高通量基因测序技术是第二代基因测序的主要技术,得到许多研究机构的广泛关注。该技术是将含有碱基信息的荧光点组成原始待测序图像,经过碱基识别操作得到所测基因序列。因为原始荧光图像信噪比低等原因,影响碱基识别的准确度,因此需要图像去噪等预处理操作。在过去的几十年中,针对测序图像的去噪算法已经取得了极大的发展。由于待测序图像具有纹理密度多样性和噪声多样性的特点,小波阈值收缩去噪算法在解决测序图像去噪问题上具有较好的性能。本文提出了两种基于小波阈值改进算法模型用于待测序图像去噪问题。基于阈值的小波收缩去噪算法主要由两类组成:基于全局阈值小波收缩去噪方法和基于局部阈值的小波收缩去噪方法。本文提出的第一种算法是基于àtrous小波的改进阈值算法。首先将含噪声图像小波分解为多个高频分量和一个低频分量,然后使用1范数构造每一层小波系数对应的全局阈值表达式,并根据每一层小波系数与阈值提出了估计小波系数表达式。最后进行小波逆变换,得到降噪后的图像。本文提出的第二种小波阈值去噪算法主要是使用离散小波变换,对Bi Shrink阈值算法进行改进。传统的Bi Shrink算法在计算估计小波系数时考虑当前系数、父子系数之间的相关性,但是该方法没有考虑信号的分布特性,造成重构图像模糊。而本文提出的算法是在含有高斯噪声的数据库中,在每个小波系数的邻域内选择部分小波系数来计算局部阈值,并使用拉普拉斯模型改进估计小波系数表达式,使得解决待测序图像的去噪算法更具有鲁邦性。本文提出的两种算法模型都在Swift和人工仿真的高通量基因测序的数据库中进行实验。同时,本文算法与多个基于小波阈值去噪算法进行了对比,并且使用信噪比和均方误差作为评价标准。大量的实验证明,本课题所提出的去噪算法不仅降噪效果显著,而且其算法鲁棒性有一定提升。